обработка сигналов

В работе дан обзор ряда методов анализа и диагностики осцилляторной нейросетевой активности головного мозга по данным экспериментального электроэнцефалографического исследования с использованием непрерывного вейвлетного преобразования.

Сигналы, снимаемые с большинства реальных систем, особенно живых, нерегулярны, часто хаотичны, нестационарны и зашумлены. Так как современные измерительные приборы обычно реализуют цифровую обработку информации, записи сигналов имеют вид дискретной последовательности отсчетов (временных рядов). В данной лекции дается краткий обзор возможностей обработки таких экспериментальных данных с опорой на реконструкцию и использование предсказательной модели рассматриваемой временной зависимости.

В статье рассматривается работа искусственной нейронной сети прямого распространения в качестве фильтра-предсказателя регулярной и хаотической динамики отображения последования. Для расчета коэффициентов сети используется метод обратного распространения ошибки. Показано, что возможность нейронной сети предсказывать временную динамику логистического отображения определяется числом ее слоев.